A inovação como diferencial competitivo para os países do Global Innovation Index: A análise da eficiência global integrando a Análise Envoltória de Dados e o Índice
Malmquist
Mariana Rodrigues de Almeida (PEP - UFRN) almeidamariana@yahoo.com Paulo Ricardo Cosme Bezerra (PPGCEP - UFRN) paulorcbezerra@gmail.com
Resumo
A inovação é o principal fator que permite às sociedades e às economias tornarem-se solidamente mais desenvolvidas podendo ser definida como um produto ou processo de produção novo ou melhorado, comercializado ou utilizado em um país, quer tenha sido desenvolvido primeiro nesse país ou em outro. O objetivo desse artigo é analisar a eficiência dos 135 países entre o período de 2012 a 2014 da base de dados do Global Innovation Index, cujo INSEAD (The Business School for the Word) e WIPO (World Intellectual Property Organization) perceberam que a inovação tem papel fundamental para o crescimento e desenvolvimento econômico. Para análise dos dados aplicou a Análise Envoltória de Dados (DEA – Data Envelopment Analysis) que é uma técnica de programação matemática que busca analisar o desempenho, em termos de eficiência relativa, de diferentes unidades tomadoras de decisão (DMUs – Decision Making Units), a partir de um conjunto de inputs e outputs e aplicado o índice Malmquist para comparar melhoria de produtividade ao longo do tempo.
Palavras-Chaves: inovação, índice Malmquist, análise envoltória de dados
1. Introdução
A inovação é considerada como o principal fator que permite às sociedades e às economias tornarem-se solidamente mais desenvolvidas. A designada “new growth theory”, e as críticas por ela proporcionada, vieram, colocar a inovação no centro de um novo modelo de crescimento econômico e de desenvolvimento, em que a capacidade de produzir, disseminar, absorver e recombinar conhecimentos ocupa um papel-chave (FERRÃO, 2002).
Para Rolim (2003) a ênfase colocada na inovação como a responsável pela diferenciação das economias dos países ocupa um espaço cada vez mais amplo na literatura econômica. Os mais variados enfoques as colocam como peça fundamental em suas elaborações analíticas. Ela está presente na discussão dos sistemas nacionais de inovação, na chamada economia evolucionista (LUNDVALL, 1992), na discussão dos clusters industriais (PORTER, 1990), na perspectiva dos economistas da teoria da regulação (AMABLE et al., 1997), na dos autores que trabalharam com os distritos industriais (BECATTINI, 1991) e até mesmo na de autores da economia neoclássica (ROMER, 1990).
Inovação pode assim ser definida (PAVITT, 1984):
Um produto ou processo de produção novo ou melhorado, comercializado ou utilizado em um país, quer tenha sido desenvolvido primeiro nesse país ou em outro. Além disso, observa-se que a relação entre volume de atividades inovativas e o produto dos setores fornecedores torna-se muito mais forte quando são levadas em conta as diferenças setoriais em oportunidades científicas e tecnológicas.
A figura 1 sistematiza os elementos que estruturam a concepção convencional de inovação. Figura 1 – Concepção convencional de inovação
Fonte: Adaptado de Ferrão (2003).
A inovação surge, neste contexto, associada à ideia de descoberta científica decorrente do normal funcionamento das atividades ditas de investigação e desenvolvimento, praticadas no interior das empresas ou em instituições de investigação ou do ensino superior. Os processos de inovação ocorrem quando, a partir dessa descoberta e da construção de protótipos de natureza experimental, é possível generalizar determinados procedimentos metodológicos que permitem transformar a descoberta num tipo de conhecimento tecnológico genérico, isto é, potencialmente apropriável por qualquer entidade que dela possa retirar benefícios para a atividade que desenvolve. Esta visão dos processos de inovação é claramente sequencial, hierárquica e descendente.
Cada ciclo de inovação inclui, assim, três fases – produção, difusão e adaptação de novos conhecimentos – encadeadas de forma linear e despoletadas a partir de uma origem bem definida, associada ao local da descoberta científica ou à instituição que gere ou promove a sua divulgação.
O objetivo desse artigo é analisar a eficiência dos países entre o período de 2012 a 2014. Para isso, foi utilizada a base de dados do Global Innovation Index, cujo INSEAD (The Business School for the Word) e WIPO (World Intellectual Property Organization) perceberam como a inovação tem papel fundamental para o crescimento e desenvolvimento econômico, e acabaram por desenvolver o índice Global de Inovação (GII) para compreender os parâmetros da inovação e seu comportamento (INSEAD e WIPO, 2012).
2. Análise Envoltória de Dados (DEA)
A Análise Envoltória de Dados (DEA – Data Envelopment Analysis) é uma técnica de programação matemática que busca analisar o desempenho, em termos de eficiência relativa, de diferentes unidades tomadoras de decisão (DMUs – Decision Making Units), a partir de um conjunto de inputs e outputs.
As DMUs localizadas na fronteira de eficiência servirão de benchmark para as demais. As origens do DEA são reveladas pelos autores Forsound e Sarafoglou (2002) e foi desenvolvida inicialmente por Charnes, Cooper e Rhodes (1978), com base nos princípios derivados do modelo de Farrell (1957).
A eficiência de uma unidade produtiva é medida através da comparação entre os valores observados e os valores ótimos de suas saídas (output) e entradas (input). Essa comparação pode ser feita, em linhas gerais, pela razão entre a quantidade mínima necessária de recursos e a quantidade de produtos gerados. Combinações dessas razões podem igualmente prover informações importantes.
Figura 2 – Esquema de mensuração da eficiência
A DEA tem sido utilizada em diversas áreas do conhecimento, merecendo destaque as aplicações em gestão de políticas públicas para avaliação do desempenho de estados e
municípios, no que diz respeito à eficiência na utilização de recursos voltados às áreas de saúde, educação e saneamento, por exemplo.
Os principais objetivos da DEA, podem ser resumidos, conforme Gomes, et al. (2001):
a) Comparar um certo número de DMUS que realizam tarefas similares e se diferenciam nas quantidades de inputs que consomem e de outputs que produzem;
b) Identificar as DMUS eficientes, medir e localizar a ineficiência e estimar uma função de produção linear por partes (piece-wise linear frontier), que fornece o benchmark (referência) para as DMUS ineficientes. Ao identificar as origens e quantidades de ineficiência relativas de cada uma das DMUS, é possível analisar qualquer de suas dimensões relativas a entradas e/ou saídas;
c) Determinar a eficiência relativa das DMUS, contemplando cada uma, relativamente a todas as outras que compõem o grupo a ser estudado. Assim, sob determinadas condições, DEA pode ser usado na problemática da ordenação como ferramenta multicritério de apoio à decisão;
d) Subsidiar estratégias de produção que maximizem a eficiência das DMUS avaliadas, corrigindo as ineficientes através da determinação de alvos;
e) Estabelecer taxas de substituição entre as entradas, entre as saídas e entre entradas e saídas, permitindo a tomada de decisões gerenciais;
f) Considerar a possibilidade de os outliers não representarem apenas desvios em relação ao comportamento “médio”, mas possíveis benchmarks a serem analisados pelas demais DMUS. Os outliers podem representar as melhores práticas dentro do universo investigado.
Neste trabalho, as unidades produtivas (DMU) são os 135 países (Quadro 1) no período de 2012 a 2014. Para isso, foi utilizada a base de dados do Global Innovation Index utilizando as variáveis apresentadas na Figura 3.
Figura 3 – Modelo de transformação orientado ao input – output
3. Índice Malmquist
De acordo com Almeida (2010) a finalidade do índice Malmquist é comparar períodos adjacentes usando os dados de input e output de um período base, porque a utilização apenas da Análise por Envoltória de Dados pode comprometer os resultados, tornando-os tendenciosos, visto que a técnica ignora a dinâmica de mercado, segundo a qual as unidades organizacionais podem ser eficientes para alguns períodos no tempo e ineficientes para outros (CHEN; IQBAL ALI, 2004), tornando-se uma ótima ferramenta para medir a mudança de produtividade das DMUs.
Segundo Malmquist (1953), o índice de Malmquist é definido em termos da razão entre funções distância, conforme a seguinte expressão:
O índice de Malmquist se caracteriza por ter a capacidade de medir a mudança, em termos de produtividade total dos fatores, entre diferentes períodos e decompor esse índice em eficiência técnica e mudança de tecnologia (CAVES et al., 1982), conforme ilustra a Expressão.
Os resultados oferecem subsídio para a análise da produtividade, pois permitem identificar se houve aumento no progresso tecnológico, melhoria da eficiência total da DMU, ou ambos, para a amostra especificada. Logo, este é o procedimento mais adequado para, de maneira direta, identificar se as mudanças no desenvolvimento de um ambiente foram relativas à mudança tecnológica ou à produtividade total dos fatores de produção de uma DMU (ALMEIDA, 2010).
3. Metodologia da Pesquisa
Entende-se estatística como um conjunto de métodos para planejar experimentos, obter dados e organizá-los, resumi-los, analisa-los, interpretá-los e deles extrair conclusões (TRIOLA, 1999).
Neste trabalho, seguindo a metodologia da pesquisa, realiza-se a análise descritiva das variáveis e sua correlação; utiliza-se o método Stepwise para seleção das variáveis; calcula-se o DEA Malmquist e por fim faz-se a análise dos resultados. Foi escolhido como base de dados sobre competitividade dos países o relatório do World Economic Forum – Fórum Econômico Mundial – denominado The Global Competitiveness Report (GCR) 2012-2014: Full Data Edition – O Relatório de Competitividade Global 2012-2014.
O GII apresenta 5 (cinco) pilares habilitadores que definem os aspectos de um ambiente propício à inovação dentro de uma economia: Instituições, Capital Humano e Pesquisa, Infraestrutura, Sofisticação do Mercado e Sofisticação de Negócios. Já os produtos da inovação são os resultados das atividades inovativas dentro da economia, incluindo produção de conhecimento e tecnologia e de criatividade. Logo, assim definimos como inputs e outputs o esquema abaixo:
Inputs
- Instituição
- Capital Humano e Pesquisa - Infraestrutura
- Sofisticação de Mercado - Sofisticação Empresarial
Outputs - Tecnologia e Conhecimento
- Criatividade
4. Resultados
4.1. Análise Descritiva dos Dados
Nas Tabelas 1, 2 e 3 é realizada a análise de estatística descritiva dos inputs e outputs analisados pelo Global Innovation Index (GII), dos países no período de 2012 a 2014.
Na Tabela 1, analisando as medidas de dispersão, verifica-se que os dados não estão igualmente distribuídos por apresentarem um coeficiente de variação nos dados superior a 25% e estão muito afastados em relação a média.
Tabela 1 - Estatísticas descritivas dos países no ano de 2012
Tipo Variável Média Mediana Desvio
Padrão Mínimo Máxim o Coeficiente Variação Inputs Instituição 58,60 56,15 18,48 15,42 95,28 31,54% Capital Humano e Pesquisa 36,88 34,40 14,02 9,97 68,27 38,01% Infraestrutura 36,31 33,96 13,51 15,27 69,79 37,20% Sofisticação de Mercado 40,94 38,42 14,10 12,13 85,52 34,44% Sofisticação Empresarial 40,94 38,90 11,07 18,67 76,88 27,04% Outputs Produção Tecnológica 30,57 26,01 14,09 6,36 71,96
46,09% Criatividade 33,04 32,54 12,11 2,41 65,03 36,65% Na Tabela 2, analisando as medidas de dispersão, mais uma vez verifica-se que os dados não estão igualmente distribuídos por apresentarem um coeficiente de variação nos dados superior a 25% e estão muito afastados em relação à média.
Tabela 2 - Estatísticas descritivas dos países no ano de 2013
Tipo Variável Média Mediana Desvio
Padrão Mínimo Máxim o Coeficiente Variação Inputs Instituição 62,73 61,20 16,26 20,60 95,30 25,92% Capital Humano e Pesquisa 32,90 31,50 15,00 6,80 67,40 45,59% Infraestrutura 34,03 31,80 13,07 6,20 63,40 38,41% Sofisticação de Mercado 48,75 45,80 12,87 25,90 88,60 26,40% Sofisticação Empresarial 33,91 31,80 11,01 11,10 69,20 32,47% Outputs Produção Tecnológica 28,09 26,30 12,04 5,30 61,50
42,86% Criatividade 38,00 37,80 12,58 3,70 73,70 33,10% Enquanto que na Tabela 3, analisando as medidas de dispersão, verifica-se que apenas o coeficiente de variação tem um desvio menor em relação a média com coeficiente de variação de 20,99% (mais concentrado em relação a média) e os demais dados não estão igualmente distribuídos por apresentarem um coeficiente de variação nos dados superior a 25%.
Tipo Variável Média Mediana Desvio Padrão Mínimo Máxim o Coeficiente Variação Inputs Instituição 62,82 60,20 16,12 21,10 95,30 25,66% Capital Humano e Pesquisa 31,64 28,70 15,53 3,60 66,50 49,08% Infraestrutura 37,47 36,50 12,96 14,80 67,40 34,59% Sofisticação de Mercado 50,50 48,20 10,60 29,60 83,80 20,99% Sofisticação Empresarial 33,47 32,20 10,84 12,60 66,70 32,39% Outputs Produção Tecnológica 29,78 26,90 12,06 2,40 60,90 40,50% Criatividade 33,09 32,70 13,09 0,60 66,10 39,56%
4.2. Correlação das variáveis
Por meio do coeficiente de Pearson foram encontradas as correlações descritas nas Tabela 4, 5 e 6 entre os inputs e outputs para os anos de 2012, 2013 e 2014 respetivamente. Há forte correlação positiva entre as variáveis do estudo.
Tabela 4 - Correlação de Pearson, no ano de 2012 Variável Instituição Capital Humano e Pesquisa Infraestrutur a Sofisticação de Mercado Sofisticação Empresaria l Tecnologia e Conheciment o Criatividad e Instituição 1,000 0,771 0,794 0,763 0,718 0,688 0,759
Capital Humano e Pesquisa 0,771 1,000 0,815 0,679 0,772 0,756 0,685
Infraestrutura 0,794 0,815 1,000 0,766 0,778 0,779 0,773
Sofisticação de Mercado 0,763 0,679 0,766 1,000 0,707 0,717 0,661
Sofisticação Empresarial 0,718 0,772 0,778 0,707 1,000 0,776 0,714
Tecnologia e Conhecimento 0,688 0,756 0,779 0,717 0,776 1,000 0,651
Criatividade 0,759 0,685 0,773 0,661 0,714 0,651 1,000
Tabela 5 - Correlação de Pearson, no ano de 2013 Variável Instituição Capital Humano e Pesquisa Infraestrutur a Sofisticaçã o de Mercado Sofisticação Empresaria l Tecnologia e Conheciment o Criatividade Instituição 1,000 0,788 0,803 0,775 0,749 0,596 0,737 Capital Humano e Pesquisa 0,788 1,000 0,872 0,764 0,768 0,715 0,670 Infraestrutura 0,803 0,872 1,000 0,784 0,774 0,673 0,751 Sofisticação de Mercado 0,775 0,764 0,784 1,000 0,734 0,667 0,661 Sofisticação Empresarial 0,749 0,768 0,774 0,734 1,000 0,664 0,739 Tecnologia e Conhecimento 0,596 0,715 0,673 0,667 0,664 1,000 0,543 Criatividade 0,737 0,670 0,751 0,661 0,739 0,543 1,000
Tabela 6 - Correlação de Pearson, no ano de 2014: Variável Instituição Capital Humano e Pesquisa Infraestrutura Sofisticação de Mercado Sofisticação Empresarial Tecnologia e Conhecimento Criatividade Instituição 1,000 0,775 0,818 0,699 0,749 0,659 0,767
Capital Humano e Pesquisa 0,775 1,000 0,886 0,657 0,735 0,772 0,744
Infraestrutura 0,818 0,886 1,000 0,663 0,738 0,746 0,796
Sofisticação de Mercado 0,699 0,657 0,663 1,000 0,636 0,622 0,575
Sofisticação Empresarial 0,749 0,735 0,738 0,636 1,000 0,682 0,741
Tecnologia e Conhecimento 0,659 0,772 0,746 0,622 0,682 1,000 0,713
Criatividade 0,767 0,744 0,796 0,575 0,741 0,713 1,000
4.3. Seleção de variáveis – Método Stepwise
A análise por meio de Stepwise foi cogitada ser realizada, porém dado o nível de pessoas envolvidas para a redução de inputs e outputs do sistema, como o índice já é composto por várias subdivisões que foram previamente estudadas, optou-se por não realizar a análise de
Stepwise, que, conforme sugerido por Wagner & Shimshak (2007), seria um modelo com simples regras para remover variáveis (modo regressivo) ou adicionar variáveis (modo progressivo) no modelo DEA, um de cada vez.
4.4. Cálculo do Índice Malmquist
De acordo com os resultados da aplicação do modelo DEA Malmquist têm-se as estatísticas obtidas e na tabela 7 os índices obtidos ao longo do tempo.
Tabela 7 – Aplicação do modelo DEA Malmquist
Malmquist Média Desvio
Padrão Mínimo Máximo
Percentis (%)
25 50 75
2012-2013 0,96 0,11 0,69 1,47 0,88 0,96 1,02
2013-2014 1,05 0,08 0,91 1,29 1,00 1,04 1,09
Tabela 8 – Cálculo do índice Malmquist
PAÍS MALMQUIST_2012-2013 MALMQUIST_2013-2014
Albania 0,88 1,17 Algeria 0,93 1,03 Angola 0,97 0,98 Argentina 0,90 0,99 Armenia 0,84 1,03 Australia 0,78 0,93 Austria 1,03 1,06 Azerbaijan 0,81 1,05 Bahrain 0,95 1,08 Bangladesh 0,94 1,02 Belarus 1,02 0,99 Belgium 1,11 1,10 Benin 1,08 1,14 Bolivia 0,87 1,02 Bosnia_and_Herzegovina 0,92 1,04 Botswana 1,00 1,08 Brazil 1,07 1,14 Brunei_Darussalam 0,79 1,22 Bulgaria 0,85 1,01 Burkina_Faso 1,05 1,20 Cambodia 0,90 1,03 Cameroon 0,99 1,09 Canada 0,78 1,03 Chile 1,06 1,19 China 1,00 1,00 Colombia 0,88 1,11 Costa_Rica 0,94 1,04 Costa_do_Marfim 1,01 1,03 Croatia 0,97 1,00
Chipre 0,72 0,92 Czech_Republic 1,14 1,03 Denmark 0,90 1,01 Dominican_Republic 0,91 0,95 Ecuador 0,93 1,06 Egypt 0,98 1,04 El_Salvador 0,85 1,09 Estonia 1,04 1,11 Ethiopia 1,03 1,14 Fiji 0,90 1,29 Finland 1,11 1,04 France 0,96 1,03 Gambia 0,99 1,03 Georgia 0,77 1,00 Germany 1,02 1,01 Ghana 0,84 1,06 Greece 0,93 1,04 Guatemala 0,96 1,18 Guyana 0,96 1,01 Honduras 1,01 1,14 Hong_Kong_(China) 0,71 0,99 Hungary 0,98 0,98 Iceland 0,95 0,95 India 1,00 1,08 Indonesia 0,92 0,96 Irã 1,02 1,07 Ireland 1,05 1,14 Israel 0,98 1,04 Italy 1,00 0,99 Jamaica 0,94 1,13 Japan 1,11 1,05 Jordan 1,17 1,26 Kazakhstan 0,90 0,99 Kenya 0,84 1,02 Coreia_do_Sul 1,07 0,95 Kuwait 0,78 0,96 Kyrgyzstan 0,88 1,06 Latvia 0,95 1,05 Lebanon 1,09 1,20 Lesotho 1,02 1,19 Lithuania 0,95 1,09 Luxembourg 0,89 0,91 Madagascar 0,91 1,07 Malawi 0,91 1,00 Malaysia 0,83 1,00
Mali 1,00 1,06 Malta 1,00 1,02 Mauritius 0,86 1,00 Mexico 0,81 1,05 Moldávia 1,00 1,00 Mongolia 0,83 1,04 Montenegro 1,02 1,19 Morocco 0,87 1,00 Mozambique 0,87 1,07 Namibia 0,88 1,02 Nepal 1,06 1,20 Netherlands 1,01 1,01 New_Zealand 0,92 1,04 Nicaragua 0,85 1,07 Niger 1,06 1,06 Nigeria 0,98 1,00 Norway 0,88 0,97 Oman 1,20 1,12 Pakistan 1,00 1,00 Panama 1,02 1,08 Paraguay 1,05 1,17 Peru 0,69 1,06 Philippines 1,01 1,08 Poland 1,00 1,03 Portugal 0,87 1,02 Qatar 1,05 1,20 Romania 0,82 0,97 Russian_Federation 1,22 1,04 Rwanda 0,95 1,26 Saudi_Arabia 0,80 1,05 Senegal 1,00 1,08 Serbia 1,08 1,07 Singapore 1,47 1,22 Slovakia 0,99 1,05 Slovenia 1,19 1,14 South_Africa 0,72 1,05 Spain 0,82 0,93 Sri_Lanka 0,98 0,99 Sudan 1,00 1,00 Swaziland 1,00 1,09 Sweden 1,11 1,03 Switzerland 1,00 1,00 Tajikistan 0,86 0,95 Tanzânia 1,06 1,15 Thailand 0,95 1,01
Togo 1,04 1,03 Trinidad_and_Tobago 0,83 1,12 Tunisia 0,91 0,98 Turkey 0,88 0,96 Uganda 0,96 1,13 Ukraine 1,01 1,06 United_Arab_Emirates 1,07 1,09 United_Kingdom 0,93 0,96 United_States_of_America 0,97 0,97 Uruguay 0,86 0,97 Uzbekistan 1,05 1,05 Venezuela 1,00 1,00 Viet_Nam 0,87 0,97 Yemen 1,00 1,00 Zambia 0,87 0,93 Zimbabwe 1,00 1,00 CONCLUSÕES
O presente trabalho buscou avaliar a eficiência dos países apresentados no GII referente ao desempenho em competitividade e inovação tecnológica. Para análise dos resultados, utilizou-se a Análiutilizou-se Envoltória de Dados (DEA) nos períodos de 2012 a 2014, usando o índice de Malmquist.
Por meio da análise da dispersão das variáveis observadas verificou-se que os dados não estão igualmente distribuídos por apresentarem um coeficiente de variação nos dados superior a 25% e por meio do coeficiente de Pearson foram encontradas as correlações e sendo verificado que existe uma forte correlação positiva entre as variáveis do estudo.
Pelo índice Malmquist ao longo do tempo os melhores indicadores de eficiência tecnológica compreendem o intervalo de 2013-2014. No período de 2012 – 2013 os países mais eficientes em inovação são Singapura, Slovênia, Rússia, Omã e Jordânia, já para o intervalo de 2013 – 2014 destacam-se os seguintes países: Qatar, Jordânia, Fiji, Brunei, Líbano e Nepal.
REFERÊNCIAS
ALMEIDA, Mariana R. de. A eficiência dos investimentos do programa de inovação tecnológica em pequena empresa (PIPE): uma integração da Análise Envoltória de Dados e Índice Malmquist. Tese de Doutorado da Escola de Engenharia de São Carlos da
Universidade de São Paulo. São Carlos, 2010.
AMABLE, B.; BARRÉ, R.; BOYER, R. Les systèmes d’innovation à l’ère da la
globalisation. Paris: Economica, 1997.
BARBOSA, A. Pode a regulação econômica melhorar o desempenho econômico
financeiro e a universalização dos serviços de águas e esgotos no Brasil? Brasília: SEAE,
2012, 67p.
BECATTINI, G. The industrial district as a creative milieu. In: BENKO, G.; DUNFORD, M.
BANKER, R.D., CHARNES, A. & COOPER, W.W (1984) - Some models for estimating technical scale inefficiencies in Data Envelopment Analysis. Management Science Vol. 30, n. 9, p. 1078-1092.
CHARNES, A., COOPER, W.W. & RHODES, E. (1978) - Measuring the efficiency of decision-making units. European Journal of Operational Research Vol. 2, p. 429-444. FERRÃO, J. Inovar para desenvolver: o conceito de gestão de trajectórias territoriais de inovação. Revista Internacional de Desenvolvimento Local. Vol. 3, N 4, pp 17-26, Março, 2002.
LETA, F. R. MELLO, J. C. C. B. S. MEZA, L. A. Avaliação de máquinas-ferramenta com DEA. XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003.
LUNDVALL, B. (Ed.). National Systems of Innovation: towards a theory of innovation
and interactive learning. London: Pinter, 1992.
MALMQUIST, S. Index numbers and indifference surfaces. Trabajos de Estatistica, v. 4, p. 209–242, 1953.
PAVITT, K. Patent statistics as indicators of innovative activities: Possibilities and
problems, Scientometrics, v. 7, n. 1, p. 77–99, 1985
PORTER, M. The Competitive Advantage of Nations. New York: Free press, 1990. ROLIM, C. É possível a existência de sistemas regionais de inovação em países subdesenvolvidos? Revista de Economia. Vol. 28/29, pp 275 – 300, 2003.
ROMER, P. Endogenous Technological Change. Journal of Political Economy, n. 98, p. 70-102, 1990.
SANT’ANNA, Anibal P. OLIVEIRA, Cleber A. de. Complementando DEA com o cálculo probabilístico de produtividades globais na comparação de desempenhos em um segmento do setor público. XXXIV Simpósio Brasileiro de Pesquisa Operacional. Rio de Janeiro, 8 a 11 de Novembro, 2002.
ANEXOS
Quadro 1 – relação doa países do GII - Global Innovation Index
1 Albania 35 Egypt 69 Lesotho 103 Rwanda
2 Algeria 36 El Salvador 70 Lithuania 104 Saudi Arabia
3 Angola 37 Estonia 71 Luxembourg 105 Senegal
4 Argentina 38 Ethiopia 72 Madagascar 106 Serbia
5 Armenia 39 Fiji 73 Malawi 107 Singapore
6 Australia 40 Finland 74 Malaysia 108 Slovakia
7 Austria 41 France 75 Mali 109 Slovenia
8 Azerbaijan 42 Gambia 76 Malta 110 South Africa
9 Bahrain 43 Georgia 77 Mauritius 111 Spain
10 Bangladesh 44 Germany 78 Mexico 112 Sri Lanka
11 Belarus 45 Ghana 79 Moldova, Rep. 113 Sudan
12 Belgium 46 Greece 80 Mongolia 114 Swaziland
13 Benin 47 Guatemala 81 Montenegro 115 Sweden
14 Bolivia, Plurinational St. 48 Guyana 82 Morocco 116 Switzerland
16 Botswana 50 Hong Kong (China) 84 Namibia 118 Tanzania, United Rep.
17 Brazil 51 Hungary 85 Nepal 119 Thailand
18 Brunei Darussalam 52 Iceland 86 Netherlands 120 Togo
19 Bulgaria 53 India 87 New Zealand 121 Trinidad and Tobago
20 Burkina Faso 54 Indonesia 88 Nicaragua 122 Tunisia
21 Cambodia 55 Iran, Islamic Rep. 89 Niger 123 Turkey
22 Cameroon 56 Ireland 90 Nigeria 124 Uganda
23 Canada 57 Israel 91 Norway 125 Ukraine
24 Chile 58 Italy 92 Oman 126 United Arab Emirates
25 China 59 Jamaica 93 Pakistan 127 United Kingdom
26 Colombia 60 Japan 94 Panama 128 United States of America
27 Costa Rica 61 Jordan 95 Paraguay 129 Uruguay
28 Côte d'Ivoire 62 Kazakhstan 96 Peru 130 Uzbekistan
29 Croatia 63 Kenya 97 Philippines 131 Venezuela, Bolivarian Rep.
30 Cyprus 64 Korea, Rep. 98 Poland 132 Viet Nam
31 Czech Republic 65 Kuwait 99 Portugal 133 Yemen
32 Denmark 66 Kyrgyzstan 100 Qatar 134 Zambia
33 Dominican Republic 67 Latvia 101 Romania 135 Zimbabwe
